HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
轻量级图卷积网络LightGCN介绍和构建推荐系统示例
推荐系统是当今业界最具影响力的ML任务。从淘宝到抖音,科技公司都在不断尝试为他们的特定应用程序构建更好的推荐系统。而这项任务并没有变得更容易,因为我们每天都希望看到更多可供选择的项目。所以我们的模型不仅必须做出最优推荐,而且还必须高效地做出推荐。今天介绍的这个模型被称作:LightGraph
5分钟NLP:使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
上篇文章我们已经介绍了HuggingFace的主要类,在本文中将介绍如何使用HuggingFace进行BERT的微调进行评论的分类。其中包含:AutoTokenizer、AutoModel、Trainer、TensorBoard、数据集和指标的使用方法。在本文中,我们将只关注训练和测试拆分。
SAPD:FSAF升级版,合理的损失值加权以及金字塔特征选择 | ECCV 2020
<blockquote针对anchorpoint检测算法的优化问题,论文提出了SAPD方法,对不同位置的anchorpoint使用不同的损失权重,并且对不同的特征金字塔层进行加权共同训练,去除了大部分人为制定的规则,更加遵循网络本身的权值进行训练<br/ <br/来源:晓飞的算法工程
FoveaBox:细节差别,另一种DenseBox+FPN的Anchor-free方案 | IEEE TIP 2020
<blockquote作为与FCOS和FSAF同期的Anchorfree论文,FoveaBox在整体结构上也是基于DenseBox加FPN的策略,主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值,还有根据目标尺寸选择FPN的多层进行训练,大家可以学习下
论文解释:SeFa ,在潜在空间中为 GAN 寻找语义向量
动机!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/dcefc2ae1f8b2f427b1a8b569444a218.png)GAN中的生成器通常以随机采样的潜在向量z作为输入,生成高保真图像。通过改变潜
优化算法之手推遗传算法(Genetic Algorithm)的详细步骤图解
遗传算法可以做什么?遗传算法是元启发式算法之一。它有与达尔文理论(1859年发表)的自然演化相似的机制。如果你问我什么是元启发式算法,我们最好谈谈启发式算法的区别。启发式和元启发式都是优化的主要子领域,它们都是用迭代方法寻找一组解的过程。启发式算法是一种局部搜索方法,它只能处理特定
贝叶斯网络的D-separation详解和Python代码实现
D分离(DSeparation)又被称作有向分离,是一种用来判断变量是否条件独立的图形化方法。相比于非图形化方法,DSeparation更加直观且计算简单。对于一个DAG(有向无环图),DSeparation方法可以快速的判断出两个节点之间是否是条件独立的。了解D分离在贝
SaccadeNet:使用角点特征进行two-stage预测框精调 | CVPR 2020
<blockquoteSaccadeNet基于中心点特征进行初步的目标定位,然后利用初步预测框的角点特征以及中心点特征进行预测框的精调,整体思想类似于twostage目标检测算法,将第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点,整体思想十分不错<
2022年,人工智能将成为医疗保健行业的转折点
到目前为止,人工智能(AI)和机器学习以多种方式影响医疗保健行业,其中最重要的是预测建模、诊断、患者体验和药物发现。事实上,鉴于未来几年全球人口老龄化和医生短缺,人工智能技术应用于医疗保健行业将是一个重要的转折点。!(https://imghelloworld.osscnbeij
FSAF:嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019
<blockquoteFSAF深入地分析FPN层在训练时的选择问题,以超简单的anchorfree分支形式嵌入原网络,几乎对速度没有影响,可更准确的选择最优的FPN层,带来不错的精度提升<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:Fea
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。